CCTest · Blog
Ego2Robot:把第一人称人类视频变成机器人训练数据的可扩展方案
机器人与物理 AI
cctest.ai
机器人与物理 AI

Ego2Robot:把第一人称人类视频变成机器人训练数据的可扩展方案

这项工作提出了一条把第一人称人类操作视频转换为机器人训练数据的流水线,目标不是做单个任务的演示复刻,而是为具备泛化能力的视觉-语言-动作模型提供大规模预训练数据。研究同时给出了更系统的泛化评测框架。

阅读全文
CCTest · Blog
自动驾驶 VLM 的“未来轨迹泄题”问题:DEFT-RLVR 用选择题重构可验证推理
机器人与物理 AI
cctest.ai
机器人与物理 AI

自动驾驶 VLM 的“未来轨迹泄题”问题:DEFT-RLVR 用选择题重构可验证推理

这篇论文指出,自动驾驶 VLM 在用链式思维监督训练时,如果提前看到真实未来轨迹,可能学到的是事后合理化,而不是真正基于场景证据推理。作者提出 AD-MCQ 与 DEFT-RLVR,把轨迹从决策前提示改为决策后验证目标。

阅读全文
CCTest · Blog
Gemini Robotics ER 2:让机器人看视频、会调度,也能协作
机器人与物理 AI
cctest.ai
机器人与物理 AI

Gemini Robotics ER 2:让机器人看视频、会调度,也能协作

Google DeepMind 发布 Gemini Robotics ER 2,定位为面向机器人的高层“具身推理”模型。它重点强化了实时视频理解、任务编排和多机器人协作,让机器人更接近可在真实环境中连续执行复杂任务的物理智能体。

阅读全文
CCTest · Blog
让机器人“按自己的坐标系看世界”:Robot-Centric Pointmaps 改进 VLA 泛化
机器人与物理 AI
cctest.ai
机器人与物理 AI

让机器人“按自己的坐标系看世界”:Robot-Centric Pointmaps 改进 VLA 泛化

KAIST AI 提出的 Robot-Centric Pointmaps 试图解决 VLA 模型中相机视角与机器人动作坐标系不一致的问题。它把场景点的三维坐标直接编码到机器人坐标系下,同时保留类似图像的二维网格结构,便于接入现有 VLA。

阅读全文
CCTest · Blog
小米发布 Xiaomi-Robotics-1:用 10 万小时真实轨迹扩展机器人 VLA 模型
机器人与物理 AI
cctest.ai
机器人与物理 AI

小米发布 Xiaomi-Robotics-1:用 10 万小时真实轨迹扩展机器人 VLA 模型

Xiaomi-Robotics-1 试图把大模型的“规模化法则”引入机器人学习:用超过 10 万小时真实操作轨迹预训练,再对齐真实机器人和自然语言指令。实验显示,更大的数据和模型规模能带来更低动作预测误差,并提升真实机器人任务成功率。

阅读全文